ChatGPTをはじめとする「生成型のAI」が飛躍的な進化を遂げて、今や、「生成AIと呼ばれ、日常生活や色々なビジネス場面で広く使用されています。画像や音声、テキストなどのコンテンツを生成し、業務の効率化やアイデアの創出などを行なっています。ここでは、生成型AIとは何か、どんなものがあるのか、使い方は？、出来ること・出来ないことはなにか、今後の課題はなにか、を概説します。

1.　そもそも、「人工知能AI」とはなにか？　（「生成型」とは何か？　の、前に）

人間の脳で行なっている知的作業をコンピュータ内に模倣して構築し、英語や日本語を理解したり、論理的推測や経験に基づき学習を行ったりする仕組みを人工知能AIと呼びます。人間や生物の自然な知能活動に対比し、人工的に作り出したものですが、そこには自立性と適応性があることが特徴です。即ち、人間が指示を出さなくても作業を遂行できる能力を有し、更に、学習や経験した内容を基に知的能力を自力で改善向上できる能力を備えています。人工知能AIには高度な技術分野が多く関わっていますので、ここで簡単におさらいをしておきます。

まず、人工知能の研究は、人間の思考過程を記号で表現し、問題解決のパターンをケース分けして目的となる条件を探し出すという知識の探索の研究が始められ、そして、知識間の関係の推論技術に挑戦しました。「明確なルールが存在する問題（パズルや簡単なゲーム）」では高い性能を発揮しましたが、現実的で複雑な問題は解けませんでした。しかし、この段階での大きな成果の一つが、人とコンピュータが会話するという人工対話システムが発達したことでした。予め決められたシナリオ／プランに従って、例えば、人間がシステムに「お腹が痛い」と言えば、システムは「なぜお腹が痛いのか？」と返答するのです。パターン以外の会話はできませんが、限られた範囲での対話が可能になりました。その後、対話システムや検索・推論システムに、色々な分野の「知識」を埋め込むことが考えられ、専門分野の知識についての質問に答えられるようになりました。「エキスパートシステム」の研究です。知識表現、検索などの技術がプログラムに加えられ、条件に応じた答えを返す「適切に回答する専門家」の役割を果たすようになったのです。医療や生産、金融、人事、会計などの分野でエキスパートシステムが多く作られ、大企業の多くが日常業務に活用したのです。しかし、曖昧な事例に対しては、適切な判断を下す事で出来ないため、例えば、医療分野では「体がだるい」などの曖昧な情報だけでは、患者にどのような症状・病気の可能性が有るのかという正確な回答は出せませんでした。単純な例としては、家電を制御するプログラムや音声認識,　顔認証、掃除ロボットなどがあります。

予め予想した問題解決はともかく、新規な問題や曖昧な問題、予想外の条件発生などに対するための、よりフレキシブルな振る舞いを持つ技術が要求されるようになりました。それから現在に至る期間では、「機械学習」が盛んに研究されてきました。AIが自ら学習していく仕組みのことです。過去のデータを読み込ませることによってAIが学習し、得た学習データに基づいて新たな予測・推論を行なっていくことが可能になったのです。また、この機械学習に加えて、獲得データが持つ色々な特徴を捉え、その度合い量を自動的に抽出するという「深層学習＝ディープラーニング」も実用化されるようになり、学習能力が大きく進化しました。たとえば、これまで「りんご」を認識させるためには、「赤い」、「丸い」といった特徴を人間が教える必要がありましたが、この深層学習では、コンピュータが自動的に特徴を分類した上で、人間では識別できない特徴やそれの度合い量を形成できるようになったのです。つまり、人間が１からリンゴの特徴を教えなくても、機械が自らリンゴの特徴を把握できるようになったのです。赤いリンゴだけでなく、青リンゴや黄色いりんごなども理解できるのは、大きな進歩と言えます。

2.　人工知能AIの重要な機能と活用例は？

2.1　重要な要素技術：

AIの機能には、「画像認識」、「音声認識」、「自然言語処理」、「予測・異常検知」などがあり、それぞれが個別に、あるいは、組み合わされて活用されています。画像認識は、画像に写っている人・物の判別を行い、防犯カメラの映像チェックや工場における不良品の検知などに活用されています。音声認識は、人間の音声のテキスト化・処理を行います。会話型AIによるコールセンター対応や会議議事録の作成、自動翻訳、スマートフォンなどのAIアシスタントなどがあります。自然言語処理では、人間ユーザが入力したテキストの変換・処理を行い、文字入力変換、ウエブ検索エンジンの運用、機械翻訳、ビッグデータの活用などが関わる。最後に、予測・異常検知能力は、過去のデータに基づいて将来的な予測を行ったり、外れ値・変化点などの検出による異常検知を行います。商品の需要予測や製造業における設備・製品の異常検知、メールやチャットのスパム検知などに活用されています。

つまり、金融機関の本人確認、株価予測、機械翻訳、AIスピーカ、掃除ロボット、農業・畜産業、製造業、金融業、自治体、交通、観光・旅行、小売・飲食・サービス業、不動産業界、医療・ヘルスケアなど、活用分野を大きく広げています。

2.2　人工知能AIの仕組みと基本的要素をなにか？

　 人工知能AIには、機械学習、ニューラルネットワーク、ディープラーニング（深層学習）という３つの要素が基本としてあります。

（１）機械学習：

これは、大量のデータをもとに、人工知能AIが自ら学習して、予測や分類の作業を実行するモデル・アルゴリズムを自動的に形成する技術を指します。この方法には、「教師あり学習」、「教師なし学習」、「強化学習」があります。

「教師あり学習」：ラベル（正解の情報）が付与されたデータを使って機械に学習させる方法で、データセット（標本データ）に基づいた予測モデルを形成する。

「教師なし学習」：ラベルを付与していないデータを使って学習させる方法で、データセットの規則性や類似性に基づいて機械が予測モデルを形成する。

「強化学習」：目的として設定した「（評価点）スコア」を最大化できるように、機械に自ら試行錯誤しながら学習させる方法。

これらの機械学習は、画像に写っている人物の顔を判別する認証機能や、過去のデータに基づいた株価の将来予測などで活用されています。

（２）機械学習のアルゴリズム：

学習には様々なアルゴリズムが存在し、その一つが「ニューラルネットワーク」というものです。いわば「人間の脳神経の仕組み」のような記憶データ間の結び付きなどを知識・経験に従って変化習得していくものです。脳の回路に似たユニットで構成されており、「入力層」、「中間層」、「出力層」の３層からなり、「中間層」を深くしたものがディープラーニング（深層学習）の仕組みなのです。

（３）ディープラーニング：

膨大な量のデータを学習し、共通点を自動で抽出していくことによって、状況に応じた柔軟な判断を下すことが可能になる「機械学習技術」の一つで、ニューラルネットワークを発展させ、より高精度な分析を行うためのものです。ディープラーニングの具体例としては、画像の自動認識・生成や、自動運転などの作業支援、創作物の作成があります。画像の認識は、文字や顔の特徴を認識する「パターン認識技術」を指し、ATMの顔認証機能やスマートフォンの指紋認証機能などへ活用されています。また、文字やデータを入力する事で画像を自動生成することも可能となり、ウエブサイトの制作やインテリアデザインなどの仕事にも用いられています。作業支援の例としては、一般車の自動運転やビジネス資料の作成でも使われています。この技術を用いて、小説や音楽、絵画などの創作物も作成できるようになったため、AI活用の可能性は大きくなっています。

（a）画像の自動認識と生成：

機械学習では量（ある特徴要素の度合い）の加増判別に加えて、色などのデータも判定されますが、ディープラーニングでは、色などの予め決められた要素だけで判定するのではなく、「どこを見るか」を自動で学習していくわけです。まさに、人間が画像を見て認識する場合と同様で、言葉では表現できない微妙な特徴の違いも表現できるのが、ディープラーニングの大きな効果です。需要予測、株価予測などに導入され始めています。

（b）自動運転などの作業支援：

自動車の自動運転も、ディープラーニングによって進化しています。自動運転は複雑な論理の集まりで、まだ、無人で任せられるほど一般的ではないですが、近い将来欠かせない技術です。また、診断医療でも、がんの転移や血管の疾患の検知など、人による診断では誤る可能性が高い作業に、ミスの少ない機械診断を取り入れる可能性があります。

（c）創作物の作成：

小説や音楽など、個人の創造力が求められる分野でも、ディープラーニングによって、人間らしい抽象的な結果を創出できる可能性があります。最近のハリウッドでの「AIに仕事を奪われるかもしれないことへの」デモは注目を浴びました。

以上、極めて重要な技術としての人工知能（AI）というものの基礎を眺めてきました。次は、今、最も話題になっている「生成型AI」について解説しましょう。

3.　生成型AIとその代表的なサービス：

ここ最近になり、生成型のAIを活用したサービスが急速に増えてきました。生成型AIとは、データのパターンや関係を学習し、新しいコンテンツを作り出すことができるAIです。代表的な生成型のAIとして、ChatGPTと Gamma AIを紹介します。